객체 탐지 기법 적용 YCbCr 컬러모델의 화염 영역 검출 특성에 관한 연구

Flame Segmentation Characteristics of YCbCr Color Model Using Object Detection Technique

화염 영역 검출을 위한 기존 YCbCr 컬러모델은 다양한 색상의 화염에 대한 낮은 검출 성능과 화염과 유사한 색상의 객체에 대한 오검출 특성을 갖는다. 따라서 본 연구에서는 YCbCr 컬러모델의 화염 영역 검출 성능을 개선하기 위하여 객체 탐지 기법 적용 개선된 YCbCr 컬러모델을 제안하였다. 화염과 유사한 색상을 갖는 객체 영역에 대한 검출을 방지하기 위해 객체 탐지 딥러닝 모델인 YOLOv8을 적용하여 화염 객체 영역을 탐지하고 해당 영역 내에서 화염을 검출하도록 하였다. 또한 화염 영역 검출 성능을 개선하기 위하여 적색 지배형 화염과 황색 지배형 화염을 구분하여 화염을 검출하는 YCbCr 규칙을 적용하였다. 화염 영역 검출 성능을 평가한 결과, 제안된 모델의 intersection over union (IoU) 값이 기존 YCbCr 모델 대비 약 15.4% 향상되었다. 또한 화재 및 비화재 예측성능의 경우 제안된 모델의 정밀도, 재현율, F1-score 값이 기존 YCbCr 모델 대비 각각 15.9%, 28.2%, 24.7%로 개선되었다.

The existing YCbCr color model for flame segmentation has a low segmentation performance for various colored flames and mis-segmentation for flame-like colored-object regions. An improved YCbCr color model using an object detection technique is proposed in this study to improve the flame segmentation performance of the existing YCbCr color model. YOLOv8, a deep learning model for object detection, was used to form a bounding box for the flame to prevent the segmentation of the flame-like colored-object region, and flame segmentation in the bounding box was performed. In addition, YCbCr rules were proposed to segment red and yellow flames to improve flame segmentation performance. The performance evaluation showed that the proposed model increased the intersection over union value by approximately 15.4% compared to that of the existing YCbCr model. In terms of the fire prediction performance evaluation, the precision, recall, and F1-score of the proposed model increased by approximately 15.9%, 28.2%, and 24.7%, respectively.